CN113540526B - 一种基于历史数据分析的燃料电池故障诊断方法及系统 - Google Patents
一种基于历史数据分析的燃料电池故障诊断方法及系统 Download PDFInfo
- Publication number
- CN113540526B CN113540526B CN202110804146.1A CN202110804146A CN113540526B CN 113540526 B CN113540526 B CN 113540526B CN 202110804146 A CN202110804146 A CN 202110804146A CN 113540526 B CN113540526 B CN 113540526B
- Authority
- CN
- China
- Prior art keywords
- data
- historical data
- signal
- historical
- fault
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04992—Processes for controlling fuel cells or fuel cell systems characterised by the implementation of mathematical or computational algorithms, e.g. feedback control loops, fuzzy logic, neural networks or artificial intelligence
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
- H01M8/0432—Temperature; Ambient temperature
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
- H01M8/04492—Humidity; Ambient humidity; Water content
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
- H01M8/04537—Electric variables
- H01M8/04544—Voltage
- H01M8/04552—Voltage of the individual fuel cell
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
- H01M8/04537—Electric variables
- H01M8/04574—Current
- H01M8/04582—Current of the individual fuel cell
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/30—Hydrogen technology
- Y02E60/50—Fuel cells
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Chemical & Material Sciences (AREA)
- Electrochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Chemical & Material Sciences (AREA)
- Sustainable Energy (AREA)
- Sustainable Development (AREA)
- Manufacturing & Machinery (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Fuel Cell (AREA)
Abstract
本发明提供了一种基于历史数据分析的燃料电池故障诊断方法及系统。该方案包括启动燃料电池的传感器和历史数据上传服务器,获取全部的历史运行数据,并发出数据获取完备指令;当收到数据获取完备指令后,进行数据的时间序列完整度和类型完整度校验,生成校验后历史数据;提取校验后历史数据中的有效数据,并存储到历史数据中,其中有效数据为分类明确的数据;根据全部的历史数据,将数据发送至上位机存储,并发送到当前系统的进行状态展示;获取历史数据,从其中提取温度、湿度、电压、电流、频率信号,并将其提取为故障概率。该方案通过对历史数据分析确定燃料电池的具体故障类型,结合故障类型给出各类故障在燃料电池系统中的预估故障概率。
Description
技术领域
本发明涉及燃料电池技术领域,更具体地,涉及一种基于历史数据分析的燃料电池故障诊断方法及系统。
背景技术
燃料电池的具有高效、高稳定性和能量密度高等优点,目前,已经在多个领域中使用。燃料电池的原理主要是化学能转换为电能的过程。
现有的技术中,燃料电池重点进行了如何控制输入和输出的功率和传递效率,但是若燃料电池出现故障时,常常因为无法定位故障而使得燃料电池在更换新的电池后仍容易出现之前的故障,因此,有必要提出如何进行燃料电池的故障类型分析地方法,为燃料电池故障的发现提供技术支撑。
发明内容
鉴于上述问题,本发明提出了一种基于历史数据分析的燃料电池故障诊断方法及系统,通过大量的历史数据分析,确定燃料电池的具体故障类型,并结合故障类型给出各类故障在该套燃料电池系统中的预估故障概率。
根据本发明实施例第一方面,提供一种基于历史数据分析的燃料电池故障诊断方法。
在一个或多个实施例中,优选地,所述的一种基于历史数据分析的燃料电池故障诊断方法包括:
启动燃料电池的传感器和历史数据上传服务器,获取全部的历史运行数据,并发出数据获取完备指令;
当收到所述数据获取完备指令后,进行数据的时间序列完整度和类型完整度校验,生成校验后历史数据;
提取所述校验后历史数据中的有效数据,并存储到历史数据中,其中有效数据为分类明确的数据;
根据全部的所述历史数据,将数据发送至上位机存储,并发送到当前系统的进行状态展示;
获取所述历史数据,从其中提取温度、湿度、电压、电流、频率信号,并将其提取为故障概率。
在一个或多个实施例中,优选地,所述启动燃料电池的传感器和历史数据上传服务器,获取全部的历史运行数据,并发出数据获取完备指令,具体包括:
启动燃料电池的外部传感器和内部传感器,进行历史数据传输;
启动历史数据上传服务器,进行燃料电池的所述历史运行数据上传;
获得数据校验和,确定历史数据和所述历史运行数据是否上传完成,当上传完成,发出数据获取完备指令。
在一个或多个实施例中,优选地,所述当收到所述数据获取完备指令后,进行数据的时间序列完整度和类型完整度校验,生成校验后历史数据,具体包括:
对全部的所述历史运行数据进行数据分析,生成历史数据分类;
根据所述历史数据分类进行数据的时间序列完整度分析,获得完成程度;
多所述完成程度为100%的数据生成为所述校验后历史数据。
在一个或多个实施例中,优选地,所述提取所述校验后历史数据中的有效数据,并存储到历史数据中,其中有效数据为分类明确的数据,具体包括:
对所述校验后历史数据进行特征提取,生成各个信号的采样频率;
根据采样频率机械进行排序,依次存储为电压电流信号、频率测量值、温度信号、湿度信号;
对所述电压电流信号进行区分,根据电阻利用欧姆定律获得;
将全部的所述频率测量值、所述温度信号、所述湿度信号、所述电压信号、所述电流信号存储到历史数据中。
在一个或多个实施例中,优选地,所述根据全部的所述历史数据,将数据发送至上位机存储,并发送到当前系统的进行状态展示,具体包括:
获取全部的历史数据,发送至上位机存储;
获取全部的运行数据并进行数据校验和数据归类;
将当前系统的历史故障概率在线展示。
在一个或多个实施例中,优选地,所述获取所述历史数据,从其中提取温度、湿度、电压、电流、频率信号,并将其提取为故障概率,具体包括:
获取所述历史数据,提取其中的频率测量值;
获取所述历史数据,提取其中的温度信号;
获取所述历史数据,提取其中的湿度信号;
获取所述历史数据,提取其中的电压信号;
获取所述历史数据,提取其中的电流信号;
利用第一计算公式,计算频率信号指数;
利用第二计算公式,计算温度信号指数;
利用第三计算公式,计算湿度信号指数;
利用第四计算公式,计算电压信号指数;
利用第五计算公式,计算电流信号指数;
利用第六计算公式计算所有的故障出现次数;
利用第七计算公式计算全部的故障频率;
所述第一计算公式:
K1=(x1-x11)2+(x2-x12)2+(x3-x13)2+……+(xn-x1n)2
其中,K1为频率信号指数,x11、x12、x13、……、x1n分别为第一、第二、第三、……、第n个频率故障信号数值,x1、x2、x3、……、xn为异常信号采集后的数据组中的第一、第二、第三、……、第n个数据;
所述第二计算公式:
K2=(x1-x21)2+(x2-x22)2+(x3-x23)2+……+(xn-x2n)2
其中,K2为湿度信号指数,x21、x22、x23、……、x2n分别为第一、第二、第三、……、第n个湿度故障信号数值;
所述第三计算公式:
K3=(x1-x31)2+(x2-x32)2+(x3-x33)2+……+(xn-x3n)2
其中,K3为温度信号指数,x31、x32、x33、……、x3n分别为第一、第二、第三、……、第n个温度故障信号数值;
所述第四计算公式:
K4=(x1-x01)2+(x2-x42)2+(x3-x43)2+……+(xn-x4n)2
其中,K4为电压信号指数,x41、x42、x13、……、x4n分别为第一、第二、第三、……、第n个电压故障信号数值;
所述第五计算公式:
K5=(x1-x51)2+(x2-x52)2+(x3-x53)2+……+(xn-x5n)2
其中,K5为电流信号指数,x51、x52、x53、……、x5n分别为第一、第二、第三、……、第n个电流故障信号数值;
所述第六计算公式:
Pz=C(K1>A1)+C(K2>A2)+C(K3>A3)+C(K4>A4)+C(K5>A5)
其中,Pz为所述历史数据中的故障总次数,A1为频率信号异常指数阈值,A2为频率信号异常指数阈值,A3为频率信号异常指数阈值,A4为频率信号异常指数阈值,A5为频率信号异常指数阈值;
所述第七计算公式:
其中,C1为频率信号异常次数,C2为温度信号异常次数,C3为湿度信号异常次数,C4为电压信号异常次数,C5为电流信号异常次数,P1为频率故障概率,P2为温度故障概率,P3为湿度故障概率,P4为电压故障概率,P5为电流故障概率。
根据本发明实施例第二方面,提供了一种基于历史数据分析的燃料电池故障诊断系统。
在一个或多个实施例中,优选地,所述一种基于历史数据分析的燃料电池故障诊断系统包括:
历史数据获取子模块,用于启动燃料电池的传感器和历史数据上传服务器,获取全部的历史运行数据,并发出数据获取完备指令;
历史数据校验子模块,用于当收到所述数据获取完备指令后,进行数据的时间序列完整度和类型完整度校验,生成校验后历史数据;
历史数据归类子模块,用于提取所述校验后历史数据中的有效数据,并存储到历史数据中,其中有效数据为分类明确的数据;
数据发送与收取子模块,用于根据全部的所述历史数据,将数据发送至上位机存储,并发送到当前系统的进行状态展示;
指数计算模块,用于获取所述历史数据,从其中提取温度、湿度、电压、电流、频率信号,并将其提取为故障概率。
在一个或多个实施例中,优选地,所述一种基于历史数据分析的燃料电池故障诊断系统还包括:云盘数据存储子模块,用于将全部的传输数据存储到网络云盘,并进行特征提取,当提取特征获得后反馈给所述数据发送与收取子模块进行数据分析。
在一个或多个实施例中,优选地,所述一种基于历史数据分析的燃料电池故障诊断系统还包括:视频展示子模块,用于根据历史数据进行推演获得视频,并实时展示燃料电池的历史运行状态。
根据本发明实施例第三方面,提供一种计算机可读存储介质,其上存储计算机程序指令,所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所述的方法。
本发明的实施例提供的技术方案可以包括以下有益效果:
1)本发明实施例中,提供了燃料电池的温度、湿度、频率、电压、电流信息的处理方法,给出了不同类型数据的综合指数计算方法;
2)本发明实施例中,给出了不同类型的在线监视数据对应的温度、湿度、频率等信息的具体的出现频次计算方法和总故障概率评估方法,为进行离线的故障监视提供了数据基础。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一个实施例的一种基于历史数据分析的燃料电池故障诊断方法的流程图。
图2是本发明一个实施例的一种基于历史数据分析的燃料电池故障诊断方法中的启动燃料电池的传感器和历史数据上传服务器,获取全部的历史运行数据,并发出数据获取完备指令的流程图。
图3是本发明一个实施例的一种基于历史数据分析的燃料电池故障诊断方法中的当收到所述数据获取完备指令后,进行数据的时间序列完整度和类型完整度校验,生成校验后历史数据的流程图。
图4是本发明一个实施例的一种基于历史数据分析的燃料电池故障诊断方法中的提取所述校验后历史数据中的有效数据,并存储到历史数据中,其中有效数据为分类明确的数据的流程图。
图5是本发明一个实施例的一种基于历史数据分析的燃料电池故障诊断方法中的根据全部的所述历史数据,将数据发送至上位机存储,并发送到当前系统的进行状态展示的流程图。
图6是本发明一个实施例的一种基于历史数据分析的燃料电池故障诊断方法中的获取所述历史数据,从其中提取温度、湿度、电压、电流、频率信号,并将其提取为故障概率的流程图。
图7是本发明一个实施例的一种基于历史数据分析的燃料电池故障诊断系统的结构图。
具体实施方式
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
燃料电池的具有高效、高稳定性和能量密度高等优点,目前,已经在多个领域中使用。燃料电池的原理主要是化学能转换为电能的过程。
现有的技术中,燃料电池重点进行了如何控制输入和输出的功率和传递效率,但是若燃料电池出现故障时,常常因为无法定位故障而使得燃料电池在更换新的电池后仍容易出现之前的故障,因此,有必要提出如何进行燃料电池的故障类型分析地方法,为燃料电池故障的发现提供技术支撑。
本发明实施例中,提供了一种基于历史数据分析的燃料电池故障诊断方法及系统。该方案通过大量的历史数据分析,确定燃料电池的具体故障类型,并结合故障类型给出各类故障在该套燃料电池系统中的预估故障概率。
本发明实施例第一方面,提供一种基于历史数据分析的燃料电池故障诊断方法。
如图1所述,在一个或多个实施例中,优选地,所述的一种基于历史数据分析的燃料电池故障诊断方法包括:
S101、启动燃料电池的传感器和历史数据上传服务器,获取全部的历史运行数据,并发出数据获取完备指令;
S102、当收到所述数据获取完备指令后,进行数据的时间序列完整度和类型完整度校验,生成校验后历史数据;
S103、提取所述校验后历史数据中的有效数据,并存储到历史数据中,其中有效数据为分类明确的数据;
S104、根据全部的所述历史数据,将数据发送至上位机存储,并发送到当前系统的进行状态展示;
S105、获取所述历史数据,从其中提取温度、湿度、电压、电流、频率信号,并将其提取为故障概率。
在本发明实施例中,提供了燃料电池的温度、湿度、频率、电压、电流等信号的处理方法,并结合不同的对应数据存储和处理方法进行数据分析,完成对于燃料电池系统的故障概率的提取。
如图2所述,在一个或多个实施例中,优选地,所述启动燃料电池的传感器和历史数据上传服务器,获取全部的历史运行数据,并发出数据获取完备指令,具体包括:
S201、启动燃料电池的外部传感器和内部传感器,进行历史数据传输;
S202、启动历史数据上传服务器,进行燃料电池的所述历史运行数据上传;
S203、获得数据校验和,确定历史数据和所述历史运行数据是否上传完成,当上传完成,发出数据获取完备指令。
在本发明实施例中,在启动燃料电池后,从燃料电池的不同的数据获取源头进行了数据提取,进而范围了数据的校核,确认历史数据是否上传成功,是否收取到了数据完备的指令。
如图3所述,在一个或多个实施例中,优选地,所述当收到所述数据获取完备指令后,进行数据的时间序列完整度和类型完整度校验,生成校验后历史数据,具体包括:
S301、对全部的所述历史运行数据进行数据分析,生成历史数据分类;
S302、根据所述历史数据分类进行数据的时间序列完整度分析,获得完成程度;
S303、多所述完成程度为100%的数据生成为所述校验后历史数据。
在本发明实施例中,对于全部的历史运行数据进行了数据分析,分别了在时间序列完整的数据后,生成校验后的历史数据,当分析获得完整度不足100%时,则剔除所述历史数据分类。
如图4所述,在一个或多个实施例中,优选地,所述提取所述校验后历史数据中的有效数据,并存储到历史数据中,其中有效数据为分类明确的数据,具体包括:
S401、对所述校验后历史数据进行特征提取,生成各个信号的采样频率;
S402、根据采样频率机械进行排序,依次存储为电压电流信号、频率测量值、温度信号、湿度信号;
S403、对所述电压电流信号进行区分,根据电阻利用欧姆定律获得;
S404、将全部的所述频率测量值、所述温度信号、所述湿度信号、所述电压信号、所述电流信号存储到历史数据中。
在本发明实施例中,对于所述校验后的历史据说进行特征提取,进而以此存储为对应的电压电流信号、频率测量值等信息的提取,进而对于电压电流信号进行基于电阻的数据区分,最终生成的历史数据中全部的数据被单独归类。
如图5所述,在一个或多个实施例中,优选地,所述根据全部的所述历史数据,将数据发送至上位机存储,并发送到当前系统的进行状态展示,具体包括:
S501、获取全部的历史数据,发送至上位机存储;
S502、获取全部的运行数据并进行数据校验和数据归类;
S503、将当前系统的历史故障概率在线展示。
在本发明实施例中,在获得历史数据后,发送到上位机存储,并对于获得的全部的历史数据进行了数据的校验和归类,归类和校验后的历史数据进行存储,对于产生的历史进行在线的展示。
如图6所述,在一个或多个实施例中,优选地,所述获取所述历史数据,从其中提取温度、湿度、电压、电流、频率信号,并将其提取为故障概率,具体包括:
S601、获取所述历史数据,提取其中的频率测量值;
S602、获取所述历史数据,提取其中的温度信号;
S603、获取所述历史数据,提取其中的湿度信号;
S604、获取所述历史数据,提取其中的电压信号;
S605、获取所述历史数据,提取其中的电流信号;
S606、利用第一计算公式,计算频率信号指数;
S607、利用第二计算公式,计算温度信号指数;
S608、利用第三计算公式,计算湿度信号指数;
S609、利用第四计算公式,计算电压信号指数;
S610、利用第五计算公式,计算电流信号指数;
S611、利用第六计算公式计算所有的故障出现次数;
S612、利用第七计算公式计算全部的故障频率;
所述第一计算公式:
K1=(x1-x11)2+(x2-x12)2+(x3-x13)2+……+(xn-x1n)2
其中,K1为频率信号指数,x11、x12、x13、……、x1n分别为第一、第二、第三、……、第n个频率故障信号数值,x1、x2、x3、……、xn为异常信号采集后的数据组中的第一、第二、第三、……、第n个数据;
所述第二计算公式:
K2=(x1-x21)2+(x2-x22)2+(x3-x23)2+……+(xn-x2n)2
其中,K2为湿度信号指数,x21、x22、x23、……、x2n分别为第一、第二、第三、……、第n个湿度故障信号数值;
所述第三计算公式:
K3=(x1-x31)2+(x2-x32)2+(x3-x33)2+……+(xn-x3n)2
其中,K3为温度信号指数,x31、x32、x33、……、x3n分别为第一、第二、第三、……、第n个温度故障信号数值;
所述第四计算公式:
K4=(x1-x01)2+(x2-x42)2+(x3-x43)2+……+(xn-x4n)2
其中,K4为电压信号指数,x41、x42、x13、……、x4n分别为第一、第二、第三、……、第n个电压故障信号数值;
所述第五计算公式:
K5=(x1-x51)2+(x2-x52)2+(x3-x53)2+……+(xn-x5n)2
其中,K5为电流信号指数,x51、x52、x53、……、x5n分别为第一、第二、第三、……、第n个电流故障信号数值;
所述第六计算公式:
Pz=C(K1>A1)+C(K2>A2)+C(K3>A3)+C(K4>A4)+C(K5>A5)
其中,Pz为所述历史数据中的故障总次数,A1为频率信号异常指数阈值,A2为频率信号异常指数阈值,A3为频率信号异常指数阈值,A4为频率信号异常指数阈值,A5为频率信号异常指数阈值;
所述第七计算公式:
其中,C1为频率信号异常次数,C2为温度信号异常次数,C3为湿度信号异常次数,C4为电压信号异常次数,C5为电流信号异常次数,P1为频率故障概率,P2为温度故障概率,P3为湿度故障概率,P4为电压故障概率,P5为电流故障概率。
在本发明实施例中,在接收到全部的数据信号后,对于历史数据进行了多段的数据分析,首先进行了数据特征的转换,而转化后的数据特征将会以指数的形式存在,进而,利用利用信号指数进行了不同类型故障的故障次数分析和总次数分析,最终,形成各类历史故障的产生概率。
本发明实施例第二方面,提供了一种基于历史数据分析的燃料电池故障诊断系统。
如图7所述,在一个或多个实施例中,优选地,所述一种基于历史数据分析的燃料电池故障诊断系统包括:
历史数据获取子模块701,用于启动燃料电池的传感器和历史数据上传服务器,获取全部的历史运行数据,并发出数据获取完备指令;
历史数据校验子模块702,用于当收到所述数据获取完备指令后,进行数据的时间序列完整度和类型完整度校验,生成校验后历史数据;
历史数据归类子模块703,用于提取所述校验后历史数据中的有效数据,并存储到历史数据中,其中有效数据为分类明确的数据;
数据发送与收取子模块704,用于根据全部的所述历史数据,将数据发送至上位机存储,并发送到当前系统的进行状态展示;
指数计算模块705,用于获取所述历史数据,从其中提取温度、湿度、电压、电流、频率信号,并将其提取为故障概率。
在一个或多个实施例中,优选地,所述一种基于历史数据分析的燃料电池故障诊断系统还包括:云盘数据存储子模块706,用于将全部的传输数据存储到网络云盘,并进行特征提取,当提取特征获得后反馈给所述数据发送与收取子模块进行数据分析。
在一个或多个实施例中,优选地,所述一种基于历史数据分析的燃料电池故障诊断系统还包括:视频展示子模块707,用于根据历史数据进行推演获得视频,并实时展示燃料电池的历史运行状态。
根据本发明实施例第三方面,提供一种计算机可读存储介质,其上存储计算机程序指令,所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所述的方法。
本发明的实施例提供的技术方案可以包括以下有益效果:
1)本发明实施例中,提供了燃料电池的温度、湿度、频率、电压、电流信息的处理方法,给出了不同类型数据的综合指数计算方法;
2)本发明实施例中,给出了不同类型的在线监视数据对应的温度、湿度、频率等信息的具体的出现频次计算方法和总故障概率评估方法,为进行离线的故障监视提供了数据基础。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种基于历史数据分析的燃料电池故障诊断方法,其特征在于,该方法包括:
启动燃料电池的传感器和历史数据上传服务器,获取全部的历史运行数据,并发出数据获取完备指令;
当收到所述数据获取完备指令后,进行数据的时间序列完整度和类型完整度校验,生成校验后历史数据;
提取所述校验后历史数据中的有效数据,并存储到历史数据中,其中有效数据为分类明确的数据;
根据全部的所述历史数据,将数据发送至上位机存储,并发送到当前系统的进行状态展示;
获取所述历史数据,从其中提取温度、湿度、电压、电流、频率信号,并将其提取为故障概率;
其中,所述获取所述历史数据,从其中提取温度、湿度、电压、电流、频率信号,并将其提取为故障概率,具体包括:
获取所述历史数据,提取其中的频率测量值;
获取所述历史数据,提取其中的温度信号;
获取所述历史数据,提取其中的湿度信号;
获取所述历史数据,提取其中的电压信号;
获取所述历史数据,提取其中的电流信号;
利用第一计算公式,计算频率信号指数;
利用第二计算公式,计算温度信号指数;
利用第三计算公式,计算湿度信号指数;
利用第四计算公式,计算电压信号指数;
利用第五计算公式,计算电流信号指数;
利用第六计算公式计算所有的故障出现次数;
利用第七计算公式计算全部的故障频率;
所述第一计算公式:
K1=(x1-x11)2+(x2-x12)2+(x3-x13)2+……+(xn-x1n)2
其中,K1为频率信号指数,x11、x12、x13、……、x1n分别为第一、第二、第三、……、第n个频率故障信号数值,x1、x2、x3、……、xn为异常信号采集后的数据组中的第一、第二、第三、……、第n个数据;
所述第二计算公式:
K2=(x1-x21)2+(x2-x22)2+(x3-x23)2+……+(xn-x2n)2
其中,K2为湿度信号指数,x21、x22、x23、……、x2n分别为第一、第二、第三、……、第n个湿度故障信号数值;
所述第三计算公式:
K3=(x1-x31)2+(x2-x32)2+(x3-x33)2+……+(xn-x3n)2
其中,K3为温度信号指数,x31、x32、x33、……、x3n分别为第一、第二、第三、……、第n个温度故障信号数值;
所述第四计算公式:
K4=(x1-x41)2+(x2-x42)2+(x3-x43)2+……+(xn-x4n)2
其中,K4为电压信号指数,x41、x42、x43、……、x4n分别为第一、第二、第三、……、第n个电压故障信号数值;
所述第五计算公式:
K5=(x1-x51)2+(x2-x52)2+(x3-x53)2+……+(xn-x5n)2
其中,K5为电流信号指数,x51、x52、x53、……、x5n分别为第一、第二、第三、……、第n个电流故障信号数值;
所述第六计算公式:
Pz=C(K1>A1)+C(K2>A2)+C(K3>A3)+C(K4>A4)+C(K5>A5)
其中,Pz为所述历史数据中的故障总次数,A1为频率信号异常指数阈值,A2为湿度信号异常指数阈值,A3为温度信号异常指数阈值,A4为电压信号异常指数阈值,A5为电流信号异常指数阈值;
所述第七计算公式:
其中,C1为频率信号异常次数,C2为温度信号异常次数,C3为湿度信号异常次数,C4为电压信号异常次数,C5为电流信号异常次数,P1为频率故障概率,P2为温度故障概率,P3为湿度故障概率,P4为电压故障概率,P5为电流故障概率。
2.如权利要求1所述的一种基于历史数据分析的燃料电池故障诊断方法,其特征在于,所述启动燃料电池的传感器和历史数据上传服务器,获取全部的历史运行数据,并发出数据获取完备指令,具体包括:
启动燃料电池的外部传感器和内部传感器,进行历史数据传输;
启动历史数据上传服务器,进行燃料电池的所述历史运行数据上传;
获得数据校验和,确定历史数据和所述历史运行数据是否上传完成,当上传完成,发出数据获取完备指令。
3.如权利要求1所述的一种基于历史数据分析的燃料电池故障诊断方法,其特征在于,所述当收到所述数据获取完备指令后,进行数据的时间序列完整度和类型完整度校验,生成校验后历史数据,具体包括:
对全部的所述历史运行数据进行数据分析,生成历史数据分类;
根据所述历史数据分类进行数据的时间序列完整度分析,获得完成程度;
对所述完成程度为100%的数据生成为所述校验后历史数据。
4.如权利要求1所述的一种基于历史数据分析的燃料电池故障诊断方法,其特征在于,所述提取所述校验后历史数据中的有效数据,并存储到历史数据中,其中有效数据为分类明确的数据,具体包括:
对所述校验后历史数据进行特征提取,生成各个信号的采样频率;
根据采样频率机械进行排序,依次存储为电压电流信号、频率测量值、温度信号、湿度信号;
对所述电压电流信号进行区分,根据电阻利用欧姆定律获得;
将全部的所述频率测量值、所述温度信号、所述湿度信号、所述电压信号、所述电流信号存储到历史数据中。
5.如权利要求1所述的一种基于历史数据分析的燃料电池故障诊断方法,其特征在于,所述根据全部的所述历史数据,将数据发送至上位机存储,并发送到当前系统的进行状态展示,具体包括:
获取全部的历史数据,发送至上位机存储;
获取全部的运行数据并进行数据校验和数据归类;
将当前系统的历史故障概率在线展示。
6.一种基于历史数据分析的燃料电池故障诊断系统,其特征在于,该系统包括:
历史数据获取子模块,用于启动燃料电池的传感器和历史数据上传服务器,获取全部的历史运行数据,并发出数据获取完备指令;
历史数据校验子模块,用于当收到所述数据获取完备指令后,进行数据的时间序列完整度和类型完整度校验,生成校验后历史数据;
历史数据归类子模块,用于提取所述校验后历史数据中的有效数据,并存储到历史数据中,其中有效数据为分类明确的数据;
数据发送与收取子模块,用于根据全部的所述历史数据,将数据发送至上位机存储,并发送到当前系统的进行状态展示;
指数计算模块,用于获取所述历史数据,从其中提取温度、湿度、电压、电流、频率信号,并将其提取为故障概率;
其中,所述获取所述历史数据,从其中提取温度、湿度、电压、电流、频率信号,并将其提取为故障概率,具体包括:
获取所述历史数据,提取其中的频率测量值;
获取所述历史数据,提取其中的温度信号;
获取所述历史数据,提取其中的湿度信号;
获取所述历史数据,提取其中的电压信号;
获取所述历史数据,提取其中的电流信号;
利用第一计算公式,计算频率信号指数;
利用第二计算公式,计算温度信号指数;
利用第三计算公式,计算湿度信号指数;
利用第四计算公式,计算电压信号指数;
利用第五计算公式,计算电流信号指数;
利用第六计算公式计算所有的故障出现次数;
利用第七计算公式计算全部的故障频率;
所述第一计算公式:
K1=(x1-x11)2+(x2-x12)2+(x3-x13)2+……+(xn-x1n)2
其中,K1为频率信号指数,x11、x12、x13、……、x1n分别为第一、第二、第三、……、第n个频率故障信号数值,x1、x2、x3、……、xn为异常信号采集后的数据组中的第一、第二、第三、……、第n个数据;
所述第二计算公式:
K2=(x1-x21)2+(x2-x22)2+(x3-x23)2+……+(xn-x2n)2
其中,K2为湿度信号指数,x21、x22、x23、……、x2n分别为第一、第二、第三、……、第n个湿度故障信号数值;
所述第三计算公式:
K3=(x1-x31)2+(x2-x32)2+(x3-x33)2+……+(xn-x3n)2
其中,K3为温度信号指数,x31、x32、x33、……、x3n分别为第一、第二、第三、……、第n个温度故障信号数值;
所述第四计算公式:
K4=(x1-x41)2+(x2-x42)2+(x3-x43)2+……+(xn-x4n)2
其中,K4为电压信号指数,x41、x42、x43、……、x4n分别为第一、第二、第三、……、第n个电压故障信号数值;
所述第五计算公式:
K5=(x1-x51)2+(x2-x52)2+(x3-x53)2+……+(xn-x5n)2
其中,K5为电流信号指数,x51、x52、x53、……、x5n分别为第一、第二、第三、……、第n个电流故障信号数值;
所述第六计算公式:
Pz=C(K1>A1)+C(K2>A2)+C(K3>A3)+C(K4>A4)+C(K5>A5)
其中,Pz为所述历史数据中的故障总次数,A1为频率信号异常指数阈值,A2为湿度信号异常指数阈值,A3为温度信号异常指数阈值,A4为电压信号异常指数阈值,A5为电流信号异常指数阈值;
所述第七计算公式:
其中,C1为频率信号异常次数,C2为温度信号异常次数,C3为湿度信号异常次数,C4为电压信号异常次数,C5为电流信号异常次数,P1为频率故障概率,P2为温度故障概率,P3为湿度故障概率,P4为电压故障概率,P5为电流故障概率。
7.如权利要求6所述的一种基于历史数据分析的燃料电池故障诊断系统,其特征在于,该系统还包括:云盘数据存储子模块,用于将全部的传输数据存储到网络云盘,并进行特征提取,当提取特征获得后反馈给所述数据发送与收取子模块进行数据分析。
8.如权利要求6所述的一种基于历史数据分析的燃料电池故障诊断系统,其特征在于,该系统还包括:视频展示子模块,用于根据历史数据进行推演获得视频,并实时展示燃料电池的历史运行状态。
9.一种计算机可读存储介质,其上存储计算机程序指令,其特征在于,所述计算机程序指令在被处理器执行时实现如权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110804146.1A CN113540526B (zh) | 2021-07-16 | 2021-07-16 | 一种基于历史数据分析的燃料电池故障诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110804146.1A CN113540526B (zh) | 2021-07-16 | 2021-07-16 | 一种基于历史数据分析的燃料电池故障诊断方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113540526A CN113540526A (zh) | 2021-10-22 |
CN113540526B true CN113540526B (zh) | 2023-01-17 |
Family
ID=78099630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110804146.1A Active CN113540526B (zh) | 2021-07-16 | 2021-07-16 | 一种基于历史数据分析的燃料电池故障诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113540526B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115663312B (zh) * | 2022-12-27 | 2023-05-30 | 深圳市今朝时代股份有限公司 | 一种基于电池保护的电池运行监测系统及方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110276372B (zh) * | 2019-05-08 | 2022-02-11 | 复变时空(武汉)数据科技有限公司 | 基于云平台的燃料电池发动机故障诊断方法 |
CN110224160B (zh) * | 2019-06-12 | 2021-07-27 | 北京亿华通科技股份有限公司 | 一种燃料电池系统故障诊断方法 |
CN110600773B (zh) * | 2019-09-23 | 2022-09-06 | 上海电气集团股份有限公司 | 燃料电池系统中空气供给系统的故障诊断方法及装置 |
CN111476682A (zh) * | 2020-05-21 | 2020-07-31 | 李海明 | 一种用于氢能产业的大数据平台及其使用方法 |
-
2021
- 2021-07-16 CN CN202110804146.1A patent/CN113540526B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113540526A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106779505B (zh) | 一种基于大数据驱动的输电线路故障预警方法及系统 | |
CN110929934A (zh) | 设备故障预测方法、装置、计算机设备和存储介质 | |
WO2016200485A1 (en) | Outage prevention in an electric power distribution grid using smart meter messaging | |
CN109657982A (zh) | 一种故障预警方法及装置 | |
CN115343623B (zh) | 一种电化学储能电池故障的在线检测方法及装置 | |
CN113540526B (zh) | 一种基于历史数据分析的燃料电池故障诊断方法及系统 | |
CN111240876A (zh) | 微服务的故障定位方法、装置、存储介质及终端 | |
US20230066703A1 (en) | Method for estimating structural vibration in real time | |
CN112559316A (zh) | 软件测试方法和设备、计算机存储介质以及服务器 | |
CN113487086B (zh) | 设备剩余使用寿命预测方法、装置、计算机设备和介质 | |
CN117252112B (zh) | 用于训练驱动数据模型的方法及估算电池剩余寿命的方法 | |
CN112345972B (zh) | 基于停电事件的配电网线变关系异常诊断方法、装置及系统 | |
CN111274056A (zh) | 智能电能表故障库的自学习方法与装置 | |
CN116820821A (zh) | 磁盘故障检测方法、装置、电子设备及计算机可读存储介质 | |
CN113447880B (zh) | 一种电能表的故障诊断方法、装置及终端设备 | |
CN114118137A (zh) | 电力计量生产设备监测方法、装置、终端及存储介质 | |
CN112035366A (zh) | 一种测试案例生成方法、装置及设备 | |
CN112348074B (zh) | 基于数据驱动的配电网停电事件精准化诊断方法、装置及系统 | |
CN112800102A (zh) | 告警相关性计算方法、装置及计算设备 | |
CN113540528B (zh) | 一种燃料电池运行环境监测方法及设备 | |
Xia et al. | Technologies for Energy Storage Power Stations Safety Operation: Battery State Evaluation Survey and a Critical Analysis | |
CN113872200B (zh) | 一种中压配网停电事件诊断识别方法、系统及存储介质 | |
CN117640346B (zh) | 一种通信设备故障诊断方法、存储介质及计算机设备 | |
CN113341366B (zh) | 一种用户电表状态监测方法、装置设备和存储介质 | |
CN116359747B (zh) | 基于dcr的圆柱锂电池热失控预测方法、装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |